刚刚好用完

韶音给我的感受还是很不错的，分享一手面经一面-hr面-30分钟主要聊聊家常，问题都比较常规吧，真诚回答就行二面-专业面-30分钟自我介绍想聊一聊哪个项目？项目是如何进行通信的？有哪些措施来保证数据的可靠性？讲一讲CRC校验讲一讲你了解的linux操作系统项目能实现哪些功能？多线程开发需要注意些什么？遇到哪些困难？为什么选择嵌入式开发方向？反问原本想去营销做数据分析岗的 但还是水平差点 所幸我被产品hr姐姐捞了 两轮面试很快 半天就给了offer · 入职有leader哥哥姐姐一对一带教 项目制创造性工作 非常合我的胃口 而且同事们也很友善 团队氛围也很好 每周的分享会都有说有笑 · 公司注重运...

MySQL: 国民级关系型数据库，是Web应用和大多数互联网公司的默认选择，普及度极高。Redis: 缓存领域的绝对王者，是网站/App高并发访问的必备神器，普及度100%。Spark: 一个非常快的分布式计算引擎，大数据领域的绝对核心，是数据处理任务的标配，普及度和认可度无可撼动。Hive: 它让你可以用写SQL的方式去分析存在HDFS上的海量数据。大数据领域曾经的绝对核心和入门必备。Hadoop: 大数据技术的基石（HDFS：存，MapReduce：算），普及度100%，是入门大数据的起点。Flink: 实时计算的标杆，与Spark构成批流一体两大巨头，在国内大型互联网公司中应用非常广泛。Kafka: 高吞吐消息队列。事实上的标准，是数据管道、微服务通信的绝对核心。ES: 搜索和日志分析领域的标配，普及度极高。Oracle: 又大又贵又稳，银行、政府、大国企的“标配”。HBase: 一个巨大的NoSQL仓库。互联网公司用于存储日志、用户行为等海量数据，普及度很高。ClickHouse: 近年来极度火爆，是实时数据分析领域的明星，各大公司都在用，社区非常活跃。Doris: 源自百度的全能型分析仓库。既能高并发查询，也能做实时分析，在很多公司逐步替代其他复杂方案。HDFS: HDFS是分布式文件存储系统，一个由无数台机器硬盘组成的专门用来存海量文件的大存储系统。RabbitMQ: 传统消息队列的首选，但在超高吞吐量的数据流场景不如Kafka。ZooKeeper: 分布式系统的基石，虽然近年来有etcd等挑战者，但其在Hadoop生态中的核心地位暂时无法撼动。Presto: 可以让你用一条SQL语句同时查询MySQL、Hive、Kafka等多个数据源，快速拿到结果。几乎所有大数据平台都会部署。SQL Server: 微软全家桶专用数据库。Iceberg: 主流数据湖表格式技术之一，由Netflix开源。Hudi: 主流数据湖表格式技术之一，由Uber开源。Cassandra: 高可用的分布式仓库，更强调“无单点故障”，在任何地方都能读写。在国内不如HBase普及。

问CLIP的训练方式。多模态大模型的embbding应该怎么训练？对比学习。会用到哪一层的特征？最后一层。场景题：给一个文本token，怎么判断在题库中是否存在，或者说它的位置。细粒度感知能力怎么提升？忽视视觉感知能力的问题怎么缓解？Qwen3-vl 的 deepstack?qwen2.5-vl 的 ViT是什么？有没有初始化的权重（面试官可能想问是不是用的原始的NaViT权重，这里我想的是ViT肯定得先预训练）业务主要是搜题和解题。代码一个 sub词的列表的子集能否组成单词 一个大数之和，字符串 s 和 t，相加后返回新的字符串

上课点到的时候你还想着“怎么这人老是不来，这么笨，是想挂科了吧”，但是秋招找工作时，就能深刻的体会到“怎么当时我就没去找实习啊”的无力感了。现在学校教的和企业用的，已经完全脱节了，学校里面上课用的部分资料甚至是十几年前，甚至是几十年前的了。所以你现在如果还是跟着学校那一套过完自己的大学生活的话，那很可能真的毕业即失业了。那么要怎么做？大一就要确定好自己未来要走的路，如果要去互联网的话，大二就学习打好相关的基础，然后马上出去找日常实习，然后大三暑假找暑期实习，然后大四开始秋招了。现在秋招越来越卷，只有这样的歪路子才能保证你的竞争力。不然老老实实上课的话，真的秋招找工作很危险了！再说了，如果老师点到的话，总是有办法应对的嘛